Ënnerstëtzung Vecteure Maschinn Modell fir Diagnos vun lymph Node Metastasen zu gastric Kriibs mat multidetector berechnen tomography: eng virleefeg Etude

Ënnerstëtzung Vecteure Maschinn Modell fir Diagnos vun lymph Node Metastasen zu gastric Kriibs mat multidetector berechnen tomography: eng virleefeg Etude VerfÜgung méiglech VerfÜgung Background VerfÜgung Lymph Node Metastasen (LNM) vun gastric Kriibs ass eng wichteg prognostic Faktor iwwert langfristeg Iwwerliewensfro. Mä e puer Imaging Techniken, déi allgemeng am Mo. benotzt gi kann net satisfactorily der gastric Kriibs lymph Node Status bewäerten. Si kënnen net déi zwou héich Empfindlechkeet a Spezifizitéit erreechen. Wéi eng Zort vun Maschinn-Léiermethoden, huet Support Vecteure Machine d'Potential dat komplexe Problem ze léisen. VerfÜgung Method VerfÜgung Déi institutionell review Verwaltungsrot dëser Retrospektiv Etude guttgeheescht. 175 Nuechten Patienten mat gastric Kriibs déi Regierung beäntwert dës Froe virdrun betäubt mécht sech abegraff. Mir Uschléi entholl an lymph Node Indicateuren op CT Biller dorënner serosal Invasioun, entholl Klassifikatioun, entholl maximal Duerchmiesser, Zuel vun lymph Wirbelen, maximal lymph Node Gréisst a lymph Wirbelen Gare, déi d'biologesch Behuele vun gastric Kriibs reflektéiert. Univariate Analyse gouf benotzt der Relatioun tëscht der sechs Bild Indicateuren mat LNM ze analyséieren. A SVM Modell war mat deenen Indicateuren virun den Input Index gebaut. Den Wasserstoff index war dass lymph Node Metastasen vum Patient gouf positiv oder negativ. Et war vun der Chirurgie an histopathology confirméiert. Eng Norm Maschinn-Léieren Technik nennt k-fantastesch Kräiz-publizéieren (5-fantastesch an eiser Etude) war ze trainéieren an Test SVM Modeller benotzt. Mir Uschléi diagnostic Méiglechen stoussen vun der SVM Modeller vun lymph Node Metastasen mat der Receiver Fonctionnementskäschten charakteristesche (ROC) Kéiren. An der radiologist klassifizéiert den lymph Node Metastasen vu Patienten, déi maximal lymph Node Gréisst op CT Biller als Critère benotzt. Mir Verglach Beräicher ënner ROC Kéiren (AUC) vun der radiologist an SVM Modeller. VerfÜgung Resultater VerfÜgung An 175 Fäll, goufen d'Fäll vun lymph Node Metastasen 134 an 41 Fäll goufen net. Déi sechs Bild Indicateuren all déi statistesch relevant Ënnerscheeder tëschent der LNM negativ a positiv Gruppen. Déi Mëttel vun der Empfindlechkeet, Spezifizitéit an AUC vun SVM Modeller mat 5-fantastesch Kräiz-validéiert goufen 88,5%, 78,5% an 0,876 bzw.. Während der diagnostic Muecht vun der radiologist lymph Node Metastasen vun maximal lymph Node Gréisst classifying waren nëmmen 63,4%, 75,6% an 0,757. All SVM Modell vun de 5-fantastesch Kräiz-Confirmatioun standing wesentlech besser wéi déi radiologist. VerfÜgung Konklusiounen VerfÜgung Baséierend op biologesche gelooss Informatiounen vun gastric Kriibs op Regierung beäntwert dës Froe Biller, kënnt SVM Modell hëllefen de lymph Node Metastasen preoperatively depressiv.
Background VerfÜgung Gastric Kriibs ass eng vun den Haaptfiguren Ursaachen vun Kriibs-Zesummenhang Doudesfäll weltwäit [1]. Lymph Node Zoustand ass e wichtege Faktor prognostic iwwert langfristeg Iwwerliewe [2]. D'TNM Stadium System baséiert op American Gemeinsam Comité op Cancer (AJCC) ass dicht elo ugeholl [3]. De 5-Joer Iwwerliewe Taux vun deenen Kranken an der N0 Etapp der Chirurgie war 86,1%, iwwerdeems d'N1, N2, an N3 Etapp Patienten zu 58,1% zréckgaang, 23,3% an 5,9%, respektiv [4]. VerfÜgung Am Moment, vill Imaging Techniken hunn zeréckgegraff gastric Kriibs ze bewäerten, dorënner postwendend misse Ultraschall, Bild Ultraschall (EUS), Multi-Taarten Spiralgalaxien CT, konventionell Grausamkeet, an FDG-PET. Allerdéngs, kann dës Imaging Methoden net zouverlässeg confirméieren oder d'Präsenz vun lymph Node Metastasen ausgeschloss [1]. A meta-Analyse gewisen, datt d'Moyenne Empfindlechkeet a Spezifizitéit Am Metastasen zu Bestëmmung sech wéi follegt zesummen: 39,9%, an 81,8% fir postwendend misse Ultraschall, 70,8%, an 84,6% fir Bild ultrasonography, 80,0%, an 77,8% fir Regierung beäntwert dës Froe, 68,8%, an 75,0% fir konventionell Grausamkeet, 34,3%, an 93,2% fir FDG-PET, an 54,7% an 92,2% fir FDG-PET /CT [2]. All eenzel Programm vun dësen Imaging Handwierksgeschir kann net satisfactorily der gastric Kriibs lymph Node Status bewäerten. De Grond ass, dass mir haaptsächlech LNM Wirbelen vun der Gréisst vun lymph depressiv. D'diagnostic Critèren Gamme vu 5 mm op 10 mm [2]. Mä de grousse lymph Wirbelen vläicht kann metastatic vun inflammation an de klenge lymph Wirbelen verursaacht ginn. Vill Studien hu gewisen, datt gastric Kriibs Am Metastasen mat entholl Gréisst verbonne war, Déift vun Invasioun, histological Typ an agebousst lymphatic Bedeelegung [5-8]. Et ass keng ugepasste Method lymph Node Gréisst mat der Pluralitéit Faktoren uewen beschriwwen ze kombinéieren fir eng ëmfaassend Analys maachen. Wéi de komplexe Faktoren Auswierkungen lymph Wirbelen ze intégréieren an der Richtegkeet vun diagnosing LNM ass de Sujet vun eiser Etude verbesseren. Am leschte Jorzéngt VerfÜgung, Maschinn-Léiermethoden, ergänzen zu traditionell statisteschen Methoden, benotzt goufen komplex biologescher Phenomener virauszesoen . Ënnerstëtzung Vecteure Machine ass eng nei Generatioun vu Léieren op der Basis vu statisteschen Theorie entwéckelt algorithms. D'SVM sind huet e staarke theoretesch Fondatioun, baséiert op d'Iddien vun VC (Vapnik Chervonenkis) Dimensioun an strukturell Risiko minimization. Et huet zefridden Genauegkeet [9]. SVM gouf an e puer medizinesche Applikatiounen, haaptsächlech an molekulare Biologie an neuroimaging [10-12] benotzt. Et kann fir Klassifikatioun an Réckgang benotzt ginn. engem Set vu Formatiounen Beispiller entscheet, all fir eng vun zwou Kategorien als gehéiert markéiert, baut eng SVM Training sind e Modell, datt eng nei Beispill Falen an eng Kategorie oder déi aner. VerfÜgung Den Zweck vun dëser Etude SVM ass renomméierter däitscher Zeitung ob ze benotzen Method der Regierung beäntwert dës Froe Imaging Informatiounen zu der biologescher Behuele vun gastric Kriibs a Bosnien d'mathematesch Modeller Zesummenhang ze analyséieren preoperatively lymph Node Metastasen ze bewäerten. VerfÜgung Method VerfÜgung kennen VerfÜgung Dëst Retrospektiv Etude vun eiser Institu- review Comité ofgeseent gouf. Tëscht Abrëll 2006 a September 2008, 368 Nuechten Patienten mat nei gastric Kriibs diagnostizéiert huet preoperative Géigesaz Opléisung postwendend misse CT Examen verwalt an dobäi dann d'gastrectomy bei eis Spidol. D'Patienten gehéiert zu der Inclusioun an Exklusioun Critèren ënnendrënner an dëser Etude mat abegraff waren. VerfÜgung Fotoë Critèren VerfÜgung de Patienten radikal gastrectomy an D2 lymph Wirbelen dissection dobäi. Si waren preoperatively mat multikulturellen heescht hannertenee CT iwwerpréift. All Patienten goufen als gastric Kriibs vun Thes histopathology. VerfÜgung Exklusioun Critèren bestätegt VerfÜgung D'Patienten preoperative neoadjuvant Therapie krut. Wäit Metastasen war an der preoperative Examen oder an de Fonctionnement fonnt VerfÜgung Endlech, 175 Patienten (125 Männercher, 50 Weibercher, mengen Alter, 59,8 Joer; Rei, 30-85 Joer). Aus eiser Etude Populatioun. Mir kritt Awëllegung vun all ausgewielt Patiente virun der Iddi Medeziner Laf vun CT Examen VerfÜgung CT Protokoll VerfÜgung Regierung beäntwert dës Froe Leeschtung war e 64-heescht hannertenee CT Scanner benotzt (LightSpeed ​​64; GE Gesondheetswiesen, Milwaukee, Wis).. All Patient vun méi wéi 8 Stonnen virun der CT Ënnersichung fasted. Fir gastric distention aktivéiert an gastric motility reduzéieren, kruten d'Patienten 8 g Gas-produzéiert Kristaller mëndlech an eng intramuscular Sprëtz vun 10 mg anisodamine 10-15 Minutt éier den Examen. Ieweschte postwendend misse unenhanced CT Katalogiséierung vun de diaphragmatic Kuppele zu 2 cm ënner den ënneschte Rand vun der Air-distended gastric Kierper sech mat engem collimation vun 0,625 mm Qualifikatiounen, 120-140 freekstars, an 300-350 Mas. Duerno, am Ganzen 100 ml vun iopromide (Ultravist; Schering, Berlin, Däitschland) war intravenously duerch en 18-Jauge angiographic catheter an eng antecubital verfeelt op 3 ML /sec andems en automateschen injector hin verwalt. Contre-verstäerkte CT Katalogiséierung waren an der arterial Phase (30 Sekonnen) an an der Portal Schwächt Phase (70 Sekonnen) gesuergt. Mir huet de Multi-planar Rekonstruktioun mat de Portal Schwächt Phase Bild. VerfÜgung Image Analys VerfÜgung Zwee radiologists, ee mat 3 erwaat an déi aner mat 8 erwaat Erfahrung an postwendend misse CT standing Bild zesummen ze Accord analyséiert. Wann et Meenungsverschiddenheet war, gefrot gëtt se mat aneren radiologist deen zu postwendend misse CT 20 erwaat Erfahrung hu bis Accord erreecht gouf. Mir gemooss a gezielt de sechs Indicateuren op Regierung beäntwert dës Froe Biller vun Hänn wéi follegt zesummen: VerfÜgung entholl maximal Duerchmiesser dem Duerchmiesser vun gastric Kriibs an der axial VerfÜgung virzegoen, coronal, an sagittal Biller vum MPR Biller baséiert. An der entholl maximal Duerchmiesser entscheeden. VerfÜgung entholl Klassifikatioun VerfÜgung Early gastric Kriibs oder Borrmann Klassifikatioun vun fortgeschratt Kriibs an der MPR Biller alles war. VerfÜgung Serosal Invasioun VerfÜgung Axial an MPR Biller huet gläichzäiteg de serosal ze bestëmmen bewäert Invasioun. De ganze thickening Mo. Mauer abnormal gestäerkt a linear oder reticular Strukturen am fatty futti ronderëm de Mo. uginn serosal Invasioun [13]. VerfÜgung Zuel vun lymph Wirbelen VerfÜgung d'Zuel vun alle siichtbare gastric regional lymph Wirbelen vun der Regierung beäntwert dës Froe Biller vun Gruppen gezielt gouf [14]. Héchstens lymph Node Gréisst
déi kuerz Achs vun de gréisste lymph Node zu CT Biller fonnt gemooss gouf. VerfÜgung lymph Wirbelen Gare d'lymph Wirbelen Gare mat Regierung beäntwert dës Froe Biller VerfÜgung baséiert op der japanescher Klassifikatioun vun gastric carcinoma alles war [14]. VerfÜgung Maschinn Support Vecteure VerfÜgung Support Vecteure Machine ass engem iwwerwaachten Maschinn léieren Technik dass iwwerall an Muster Unerkennung an Klassifikatioun Problemer benotzt gëtt. SVM sind stécht eng Klassifikatioun vun engem multidimensional hyperplane Gebaier déi vun Autofuerer bedeit de Spillraum tëschent zwee Donnéeën Stärekéip tëscht zwou Klassen optimal discriminates. Dëst sind Erfolleg héich discriminative Muecht duerch speziell nonlinear Funktiounen genannt kernels mat der Infor- Plaz an engem multidimensional Plaz [15] ze transforméieren. An dëser Etude, genannt engem gratis sinn SVM Software LibSVM 2,89 war fréier d'SVM Modell [16] ze generéieren. D'Input wand goufen déi sechs Indicateuren op Regierung beäntwert dës Froe Biller gesammelt uewen. Fir dës Indicateuren, hätt d'Miessung Daten direkt un SVM Modell begaange ginn. Während de Grof Donnéeë soll als puer Zuelen definéiert ginn. Zum Beispill, war positiv serosal Invasioun den 1 definéiert an negativ war -1. Den Wasserstoff Index huet sech d'lymph Node Metastasen vum Patient. Et war vun der Chirurgie an histopathology confirméiert. Wann de Patient eng Kéier oder méi lymph Wirbelen Metastasen, et war esou positif LNM considéréiert. Mir definéiert de positive LNM wéi 1 iwwerdeems den negativen war -1. Mir ausgewielt der RBF sätzt de Modell ze bauen. Ze trainéieren an eiser SVM Modell Test, déi mer e Liewesniveau Maschinn-Léieren Technik nennt k-fantastesch Kräiz-publizéieren. Well de ganze Prouf Gréisst vun eiser Etude net ganz grouss war, benotzt mir 5-fantastesch Kräiz-publizéieren. De ganze Date goufen duerch 5 gläich an isoléiert subsets ënnerdeelt. Véier vun dësen subsets kombinéiert an den Training benotzt, an de Rescht eng Formatioun ass fir lafend benotzt. Dëst Kräiz-Confirmatioun Prozess war 5 Mol widderholl, all Ziel Délaie eemol als Test Datesaz ze déngen. VerfÜgung statistique Analys A univariate statistesch Analyse mat der SPSS /PC + statistesch Software Package Versioun VerfÜgung 11,5 (SPSS INC, IL, Chicago, USA) war standing d'Ënnerscheeder vun sechs Imaging Indicateuren tëschent de Patienten ze diskutéieren, deen LNM oder net haten. Statistesch Analyse Methoden sech op d 'Onofhängeg-Echantillon T Test a Mann-Whitney U Test. P &Si besteet; 0,05 war groussen Ënnerscheed considéréiert. Receiver Fonctionnementskäschten charakteristesche (ROC) rop war fréier d'diagnostic Leeschtung vun der SVM Modell ze diskutéieren. D'Medcalc Software Versioun 11.2 (Medcalc, Medcalc Software, Gent, Belsch) war fréier d'ROC Kéieren ze maachen an hinnen vergläichen. Am Resumé, averaged mir der Géigend ënner dem Bou (AUC) vun der ROC Kéiren vun de 5-fantastesch Kräiz-publizéieren. Mir gezielt och d'Moyene vun Empfindlechkeet a Spezifizitéit. Fir mat der SVM Modell vergläichen, gebaut mir de ROC rop fir radiologist Beurteelung vun maximal lymph Node Gréisst als Critèrë mat der LNM ze klassifizéieren. Der Empfindlechkeet a Spezifizitéit vun de beschte präventive Punkt gezielt huet. VerfÜgung Resultater An dës 175 Fäll VerfÜgung, goufen et 134 Fäll wou lymph Node Metastasen Équipe an 41 Fäll haten net. Patienten clinicopathological Fonctiounen an der Table detailléiert goufen 1. Mir gesammelt de sechs Indicateuren op Regierung beäntwert dës Froe Biller. D'Resultater vun der univariate statistesch Analyse uginn, datt de all sechs Indicateuren dorënner serosal Invasioun, entholl Klassifikatioun, entholl maximal Duerchmiesser, Zuel vun lymph Wirbelen, Gare maximal lymph Node Gréisst a lymph Wirbelen sech däitlech verschidden tëscht LNM positiv an negativ Grupp (P &Si besteet; 0.001). Déi Mëttel vun entholl maximal Duerchmiesser, Zuel vun lymph Wirbelen a maximal lymph Node Gréisst vun LNM positive Grupp goufen 56,6 ± 19.5 mm, 10.0 ± 5.5 mm, an 12 ± 8, respektiv. Si waren all méi héich wéi déi vun LNM negativ Grupp (Table 2) .Table 1 Patienten- Charakteristiken VerfÜgung Clinicopathological Fonctiounen
gëllt
Nr vun Patienten VerfÜgung 175 VerfÜgung Mëttler Alter (y) VerfÜgung 59.8 (30-85) VerfÜgung Verhältnis vun de Fraen an de Männer VerfÜgung 50: 125 VerfÜgung Histopathology VerfÜgung Adenocarcinoma VerfÜgung 173 ( 98,9%) VerfÜgung Ma ënnerscheet VerfÜgung 6 (3,4%) VerfÜgung Mëttelméisseg VerfÜgung 91 (52% ënnerscheet) VerfÜgung LINN VerfÜgung 76 (43.5% ënnerscheet) VerfÜgung klenger Zell carcinoma
2 (1,1%) VerfÜgung lymph Node Metastasen VerfÜgung positiv VerfÜgung 134 (76.6%) VerfÜgung Negativ VerfÜgung 41 (23.4%) VerfÜgung Note .-- Nummere vun parentheses sinn déi laut. VerfÜgung Table 2 Patienten- Daten: de 6. Indicateuren 'Daten vun der Regierung beäntwert dës Froe Biller an d'Resultater vun univariate statistesch Analyse VerfÜgung Patienten- Donnéeën VerfÜgung LNM VerfÜgung (. -)
LNM (+)
P Wäert VerfÜgung Patienten- Zuel VerfÜgung 41/175 (23.4%) VerfÜgung 134/175 (76.6%) VerfÜgung
Kilometréierung Daten * VerfÜgung entholl maximal Duerchmiesser (mm) VerfÜgung 39,0 ± 17,0 VerfÜgung 56,6 ± 19.5 VerfÜgung &Si besteet; 0,001 VerfÜgung maximal lymph Node Gréisst (mm) VerfÜgung 6.5 ± 2,8 VerfÜgung 10.0 ± 5.5 VerfÜgung &Si besteet; 0,001 VerfÜgung Zuel vun lymph Wirbelen VerfÜgung 7 ± 4 VerfÜgung 12 ± 8 VerfÜgung &Si besteet; 0,001 VerfÜgung Donnéeën # Grof VerfÜgung Serosal Invasioun VerfÜgung &Si besteet; 0,001 VerfÜgung Jo VerfÜgung 15/175 (8.6%) VerfÜgung 120/175 (68.6%) VerfÜgung Nee VerfÜgung 26/175 (14.8%) VerfÜgung 14/175 (8%)
entholl Klassifikatioun VerfÜgung &Si besteet; 0,001 VerfÜgung Early gastric Kriibs VerfÜgung 9/175 (5,1%) VerfÜgung 1/175 (0.6%) VerfÜgung BorrmannI VerfÜgung 2/175 (1,1%) VerfÜgung 0/175 VerfÜgung BorrmannII VerfÜgung 3/175 (1,7%) VerfÜgung 9/175 (5,1%) VerfÜgung Borrmann III VerfÜgung 27/175 (15.4%) VerfÜgung 121 /175 (69.1%) VerfÜgung Borrmann IV VerfÜgung 0/175 VerfÜgung 3/175 (1,7%) VerfÜgung Lymph Wirbelen Gare VerfÜgung &Si besteet; 0,001 VerfÜgung Station1 VerfÜgung 29/175 (16.6 %) VerfÜgung 44/175 (25.1%) VerfÜgung Station2 VerfÜgung 12/175 (6.9%) VerfÜgung 54/175 (30.9%) VerfÜgung Station3 VerfÜgung 0/175 VerfÜgung 36 /175(20.5) VerfÜgung * de Wäert vun den Miessinstrumenter Donnéeën war heescht ± normale deviation. D'p Wäert war vun Onofhängeg-Echantillon T Test. VerfÜgung # de Wäert vun de Grof Daten huet sech d'Zuel vun Daten. D'p Wäert gouf vum Mann-Whitney U Test. VerfÜgung der radiologist eng AUC vun 0,757 als classifying lymph Node Metastasen vum Patient vun maximal lymph Node Gréisst erreecht. Déi bescht präventive Punkt vun maximal lymph Node Gréisst war 7,7 mm. Der Empfindlechkeet a Spezifizitéit waren nëmmen 63,4% an 75,6%. D'SVM d'Mëttel vun der Empfindlechkeet, Spezifizitéit an AUC mat 5-fantastesch Kräiz-validéiert goufen 88,5%, 78,5% an 0,876 bzw. (Table 3). Am Verglach zu de radiologist, all AUC vun de 5-fantastesch Kräiz-Confirmatioun SVM Modeller standing vill besser (P &Si besteet; 0,05) wéi der radiologist (Dorënner 1, Table 3). Figur 1 ROC rop fir LNM. Receiver Fonctionnementskäschten charakteristesche (ROC) rop fir lymph Node Metastasen mat 5-fantastesch Kräiz-Confirmatioun SVM Modeller a radiologist. D'AUC vun k1 zu k5 SVM Modeller goufen 0,862, 0866, 0,878, 0,900 an 0876, bzw.. Am Verglach mat de radiologist, waren d'P Wäerter all manner wéi 0,05 (Table 3). Fir déi fënnef SVM Modeller, war d'Seef vun AUCs 0,876. An der AUC vun radiologist baséiert Am Gréisst ass 0,757. VerfÜgung Table 3 AUC vun SVM Modell an radiologist VerfÜgung Model

K-fold

Sensitivity

Specificity

AUC*

P Wäert (AUC Verglach mat Radiologist)
SVM VerfÜgung K1 VerfÜgung 0,881 VerfÜgung 0,780 VerfÜgung 0,862 ± 0,038 VerfÜgung 0,002 VerfÜgung K2 VerfÜgung 0,866 VerfÜgung 0,780
0,866 ± 0,037 VerfÜgung &Si besteet; 0,001 VerfÜgung K3 VerfÜgung 0,858 VerfÜgung 0,805 VerfÜgung 0,878 ± 0,033 VerfÜgung &Si besteet; 0,001
K4 0,933 VerfÜgung 0,780 VerfÜgung 0,900 ± 0,031 VerfÜgung &Si besteet; 0,001 VerfÜgung K5 VerfÜgung 0,888 VerfÜgung 0,780 VerfÜgung 0,876 ± 0,038 VerfÜgung &Si besteet; 0,001 VerfÜgung mengen VerfÜgung 0,885 VerfÜgung 0,785 VerfÜgung 0,876
radiologist VerfÜgung 0,634 VerfÜgung 0,756 VerfÜgung 0,757 ± 0,042 VerfÜgung D'Empfindlechkeet, Spezifizitéit an AUC vun 5-fantastesch Kräiz-Confirmatioun SVM Modeller a radiologist lymph Node Metastasen vum Patient fir diagnosing. VerfÜgung * De Wäert vun den Donnéeë AUC ± normale deviation war. VerfÜgung Diskussioun VerfÜgung Lymph schellt Node Metastasen der chirurgesch Behandlung vu Patienten mat gastric Kriibs an ass och e wichtege Faktor vun hätt. Am Moment, hänkt preoperative Diagnos haaptsächlech op verschidde Imaging Methoden. D'Norm fir sain Metastasen lymph Node berout op morphological Indicateuren. Lymph Node Gréisst ass déi dominant Luucht. Dorfman RE et al Rapport awer, datt iewescht Limite vun normal fir lymph Node Gréisst um postwendend misse berechnen tomography vu 6 bis 11 mm variéiert [17]. Si overlapped deelweis mat der malignant lymphadenopathy. Fukuya T et al zougedréckt datt CT attenuation an lymph-Node Configuratioun zu Diagnos vun malignant adenopathy Hëllef kéint [18]. Am Géigendeel, ausgedréckt Deutch SJ et al déi Gréisst, der Lag, contour, Dicht vun malignant lymphadenopathy zu Ënnerscheedung benign net hëllefräich sech [19]. Keng Kritären fir ze bewäerten ass den Haaptgrond Beschränkung vun der Cepheid vun lymph Node Metastasen preoperatively. D'biologescher Behuele vun gastric Kriibs VerfÜgung der histopathological Leeschtung vun der malignance an Invasioun d'entholl reflektéiert. Et schellt direkt Node Metastasen lymph oder indirekt. Déi konkret Sortie vun der biologescher gelooss gehéieren, zum Beispill, entholl Gréisst, Déift vun Invasioun, entholl Invasioun vun aner Organer, lymph Node Metastasen an fernen Metastasen. Regierung beäntwert dës Froe kënnen dës agebousst Optriede vum Ecran. Verschidde Studie berichten gemellt, dass d'Richtegkeet vun gastric Kriibs T Stadium mat Regierung beäntwert dës Froe kombinéiert mat 3D Rekonstruktioun war 84-89% [20, 21]. Zhang Politik et al gemellt, dass d'Zuel vun lymph vun Regierung beäntwert dës Froe fonnt Wirbelen e wesentlechen Ënnerscheed tëscht der lymph Node Metastasen Grupp a kee Metastasen Grupp vun härzwierksam Kriibs zougedréckt [22]. Regierung beäntwert dës Froe kënnen och d'Situatioun an anere postwendend misse Organer weg an der peritoneum. Dofir, kann Regierung beäntwert dës Froe Imaging wourop der biologescher Behuele vun gastric Kriibs histopathology spigelen. Univariate Analyse vun eiser Etude gewisen, datt de 6 Indicateuren vun gastric Kriibs an lymph Wirbelen Informatiounen iwwert CT Biller all eng Relatioun zu LNM hunn. Also sollen mir dës biologesch gelooss Faktoren globaalt an en LNM betruecht. VerfÜgung Et goufen zu medezinesch Studien puer aner Maschinn-Léiermethoden benotzt. Déi haaptsächlech Method gouf kënschtlech Mä Reseau (ANN). ANN ass als eng adäquat Method fir medezinesch Donnéeën Analyse ginn [23]. Bollschweiler et al applizéiert enger eenzeger-Layer Perceptron, déi eng Zort vu ANN ass, lymph Node Metastasen zu gastric Kriibs ze virauszesoen. Der Richtegkeet vun ANN war 79% [24]. Allerdéngs haten d'ANN puer Nodeeler. ANN de Modell gouf ufälleg fir overfitting. Et verlaangt déckt Entwécklung an Zäit ze optimiséieren. Si ware méi schwéier well vun computational Viraussetzunge den Terrain ze benotzen [25]. An Contrepartie vun de genannte Grënn, ausgewielt mir de SVM Modell verlagert. D'SVM kéint manner Cepheid Feeler produzéiere Verglach zu classifiers baséieren op anere Methode wéi kënschtlech Mä Netzwierker [26]. Verglach mat ANN, kann SVM hun déi selwecht och besser predictive Fähegkeet [27, 28]. Am Moment, sinn et e puer Reportagen iwwert d'Applikatioun vun SVM zu Node Metastasen gastric Kriibs lymph. Als virleefeg studéieren, eis Resultater weisen, datt SVM Modell besser diagnostic Méiglechen stoussen fir LNM wéi déi traditionell Am Gréisst Critèren huet. D'AUC huet eng gutt diagnostic Muecht erreecht. Mat weider Verbesserungen, kann SVM eng efficace Method ginn lymph Node Stadium vun gastric Kriibs ze virauszesoen. VerfÜgung Konklusiounen VerfÜgung Baséierend op biologesche gelooss Informatiounen vun gastric Kriibs op Regierung beäntwert dës Froe Biller, kënnt SVM Modell hëllefen preoperatively der lymph Node Metastasen depressiv.
Deklaratioune VerfÜgung Merci VerfÜgung Mir Merci Jie Li, Yong CUI, Li-Ping Qi, Xiao-Ting Li fir redaktionnellen Ënnerstëtzung an Jun Shan, Ning Wang, Ying Li, Shun-Yu Gao fir d'mëttelalterlech Handschrëft iwwerpréift.
Project vun der National Natural Science Foundation of China (Grant Nr 30970825) a Peking Municipal Natural Science Foundation (Nr 7092020) ënnerstëtzt. VerfÜgung Auteuren 'original deposéiert Fichieren fir Biller VerfÜgung sinn ennen d'Linken op d'Auteuren "original deposéiert Fichieren fir Biller. 12885_2010_2503_MOESM1_ESM.jpeg Auteuren 'original Datei fir Figur 1 Wettsträit Interessen VerfÜgung D'Auteuren erklären, datt se keng Competitioun Interessen hunn. VerfÜgung

• Hire Restaurant vum E-cadherin an β-catenin zu gastric cancer
• Ausdrock vun p53, inducible nitric It synthase a wiere endothelial Wuesstem Faktor gastric precancerous an kriibserreegend lesions: Korrelatioun mat Medeziner features